Yapısal Kırılmalar Altında Asimetrik Bilginin Hisse Senedi Getiri Oynaklığına Etkisi: BİST 100 Endeksi’nde Bir Uygulama

Abstract

Bu çalışmanın amacı, yapısal kırılmalar altında asimetrik bilginin hisse senedi getiri oynaklığı üzerindeki etkisini ARFIMA-FIGARCH ikili uzun hafıza ve Markov Switching Regresyon modelleriyle ortaya koymaktır. Bu doğrultuda, çalışmada BİST 100 Endeksi’nin 04.01.2010-31.12.2018 dönemine ilişkin günlük dolar cinsinden kapanış fiyatları, alım satım fiyat marjı ile toplam işlem hacmi verileri dikkate alınmıştır. Çalışmada getiri serisinin varyansındaki muhtemel kırılmalar Sanso vd. (2004)’in varyansta kırılma testiyle araştırılmış; ancak herhangi bir yapısal kırılma tespit edilememiştir. Bu nedenle yapısal kırılmalar dikkate alınmaksızın hisse senedi getiri oynaklığı serisi için en uygun oynaklık modeli ARFIMA-FIGARCH modeliyle araştırılmış, en uygun modelin çarpık student t dağılımına göre ARFIMA(3?,4)- FIGARCH (1,d,1) modeli olduğu tespit edilmiştir. Çalışmada son olarak, asimetrik bilginin hisse senedi getiri oynaklığı üzerindeki etkisi Markov Switching Regresyon modeliyle araştırılmıştır. Sonuç olarak, alım satım fiyat marjının hisse senedi getiri oynaklığı üzerinde her iki rejimde de arttırıcı bir etkisinin olduğu tespit edilmiştir. Ayrıca tutar cinsinden toplam işlem hacminin Rejim 1’de hisse senedi getiri oynaklığını arttırıcı; Rejim 2’de ise azaltıcı bir etkiye sahip olduğu bulguları elde edilmiştir.

The purpose of this study is to put forward the impact of asymmetric information on stock return volatility under structural breaks by using ARFIMA-FIGARCH dual long memory and Markov Switching Regression models. Accordingly, dollar-denominated daily prices, and daily bid-ask spread and turnover of the BIST 100 index for the period 04.01.2010- 31.07.2019 have been considered in the study. In the study, possible breaks in variance of return series have determined by Sanso et al. (2004) 's break in variance test, but it could not been determined any breaks. Therefore, the optimal volatility model for the stock return volatility series have been investigated by using ARFIMA-FIGARCH model without taking structural breaks into consideration. It has been determined that the most suitable model is ARFIMA(3?,4)- FIGARCH (1,d,1) according to the skewed student t distribution. Finally in the study, the impact of asymmetric information on stock return volatility has been investigated by using Markov Switching Regression model. It has been found that the bid-ask spread has an additive effect on stock return volatility in both regimes. Furthermore, it has been concluded that turnover has an additive effect on stock return volatility in Regime 1; but turnover has an detractive effect on stock return volatility in Regime 2.